基于综合势力图的态势估计方法

在AI兵棋对抗中,能够更全面地理解态势信息是AI棋手获胜的前提条件.提出了基于综合势力图的态势估计方法,阐述了势力图的原理和一般生成过程,提出基于综合势力图的态势分析框架;将AI兵棋的静态信息、经验信息和动态信息计算叠加形成综合势力图,在此基础上分析敌方位置、视野以及火力威胁等态势相关信息,得到态势估计结果,为AI决策提供信息支撑;基于AI兵棋推演平台进行内置规则AI和基于势力图的AI之间的对抗实验,实验结果表明该方法能够提升AI决策的准确性,提高AI在兵棋对抗中的胜率.     

靶机模拟反舰导弹相似性评估及威胁态势构建

对强敌典型亚声速反舰导弹性能及主要突防技术手段进行了分析,提出了基于威胁目标特性分解的相似度分析方法,构建了靶机模拟威胁目标相似度模型,并运用此方法对靶机的相似度进行综合评估,分析了其与典型模拟对象的差距。在此基础上,研究了当前构建典型威胁态势的主要方法与能力的不足之处,针对如何提高模拟强敌反舰导弹目标能力、提升防空反导训练效果和构建体系化空中蓝军发力方向提出了几点思考,为靶场空中威胁态势构建提供依据。     

核生化洗消新技术与新装备

一次世界大战中,德军首次使用了持久性毒剂——芥子气,造成大量人员中毒伤亡。随后,大规模杀伤性生物武器和原子武器也相继在战场上亮相。为了保障战斗人员在核生化条件下生存,维持其作战能力,及时恢复遭受核生化攻击部队的     

基于Web的数据库与Windows DNA的三层应用

回顾了应用模型的发展过程 ,介绍了当前三层应用模型的结构及其优势 ,以及如何在windows平台上构建基于这一新的模型的应用 .     

数字化战场态势共享研究

实现战场态势共享是数字化战场的基本要求,本文简述了数字化战场态势共享的基本内涵,分析了态势共享的主要内容和信息流程,提出了态势共享的权限、方式,以及态势共享系统的基本用户功能。     

美国海军用基于知识的实时系统进行态势评估

本文分析了海上态势和威胁评估过程,使用一种被称之为MUSE的基于知识的实时系统提供了某种态势评估子函数执行的数字的结果。文中首先简单介绍了MUSE系统,介绍了MUSE仿真器,这种仿真器如远程雷达,中程雷达,火控雷达和电子支援措施(ESM),敌我识别(IFF)以及数据链传感器产生实时空中航迹。提供了一幅海上态势和威胁评估的功能图,同时提供了这两个过程的最重要的子功能。论述了这些子功能在防空驱逐舰的操纵室里的任务以及如何使用MUSE基于知识的系统来为这些子功能进行电脑建模。论述了统计实验。在统计实验中,用仿真器在SUN SPARC10工作站上产生了三百秒的实时空中航迹数据,通过以太网传送到在SUN SPARC5工作站上运行的MUSE基于知识的态势评估系统。文中也对这个基于知识的系统所产生结果进行了评价。     

不确定条件下作战筹划态势研判风险预测方法

针对战场态势不确定、复杂繁多导致研判过程风险预测准确性差的问题,提出构建态势-风险模型并构造风险可能性分布以实现对风险的精准预测。首先,从敌情、我情以及战场环境态势研判内容入手建立风险预测指标体系;其次,剖析态势信息对风险的作用方式,构建指数、Z型、正切等风险模型并计算风险取值区间;然后,以可能性理论中模糊函数构造法为基础,以权重差和不确定性测度为依托,在风险取值区间内构造风险可能性分布;最后,采用某防御任务实例,结合专家系统及云模型方法进行实验,验证了所提方法的可行性和合理性。结果表明,在风险预测时所提方法能够充分考虑态势信息的不确定性,为后续筹划决策制定提供了重要依据。     

战略决策模拟中的态势表现

战略决策模拟中,态势表现是实现模拟可视化的关键,具有举足轻重的作用,其研究与实现是一项具有相当难度的课题.首先分析战略态势表现所要解决的两个基本问题,即态势数据和可视化表现;其次着眼于两者的分离,按照面向对象的设计思想,提出了一种面向对象的战略态势表现实现思路;最后,给出了开发战略态势表现系统的基本工作思路.在决胜系列战略决策模拟系统的开发中,按照该思路实现了态势表现子系统,较好的满足了模拟需求.     

复杂阵地态势可视化关键技术研究

为更好地部署武器,把握战场信息,提升空间环境感知能力,研究三维态势可视化技术与二维态势可视化及两者的实时联动,集具体、抽象为一体,来更丰富地展现空间环境,把握整个战场形势全局,为固定核心阵地作战指挥员提供了更灵活的使用方式和更完善、更逼真的信息展现,从而大大提升作战效率。     

基于逆强化学习的空战态势评估函数优化方法

为提高无人作战飞机(UCAV)自主决策效能,提出基于逆强化学习的空战态势评估函数优化方法。以现有的正例与反例两类空战数据为样本训练一个RBF网络,采用逆强化学习得到不同态势下的态势值,实现了对现有空战数据的知识提取;利用Sigmoid函数的压缩作用,降低了整体态势值,加快了UCAV学习的收敛速度;采用自适应粒子群算法求解优化了态势评估函数中的权重参数,提升了对复杂空战态势的适应能力;仿真结果表明该方法能够优化态势评估函数,提高机动决策的收敛速度,在UCAV自主决策中具有一定现实意义。